指纹识别技术

人体指纹的特征

     指纹识别学是基于一种统计学结果发展起来的。人体指纹的特征有以下三种类型。
     1)永久性特征
     永久性特征会伴随人的一生，永不改变，中心点、三角点、端点、叉点等细节特征和指纹形状、指纹密度、指纹曲率等辅助特征在手指前端区域尤为明显。对指纹的分类和检索是根据指纹的 纹形特征和纹理特征进行的。根据指纹形态，纹形特征可分为三大类型、九种形态。三大类型包括弓形、箕形和斗形，九种形态包括弧形、帐形、正箕形、反箕形、双箕形、环形、螺形、囊 形和杂形。通过纹理参数构成的纹理特征(平均纹密度、纹密度分布、平均纹曲率、纹曲率分布等)多用于计算机指纹识别算法的多维分类及检索。
     2)非永久性特征
     非永久性特征是指可能产生、愈合、发展甚至消失的指纹特征。这类特征多由孤立点、褶皱、疤痕等造成的断点、叉点等产生。
     3)生命特征
     指纹的生命特征与被测对象是否有生命迹象密不可分。生命特征与人体生命现象之间的关系和规律仍有待进一步认识。目前生命特征已经成为现代民用指纹识别应用中越来越受关注的热点之一。
    

指纹识别的原理和方法

     指纹识别技术主要涉及读取指纹图像、提取指纹特征、保存指纹数据及对指纹进行比对四个功能。首先，在读取到原始指纹图像后，需要对其进行初步处理使之清晰后才能继续使用，清晰的指纹图像被 指纹辨识软件提取其特征数据进行保存。指纹辨识软件从指纹上找到指纹纹路的分叉、终止或打圈处等坐标数据点，这些点同时具有七种以上的唯一性特征。由于手指上平均具有70个节点，所以这种方 法会产生大约490个数据，这些数据被称为模板数据。接着通过计算机模糊识别算法对两个指纹的模板进行比对，相似程度高的会最终得到匹配结果。我们把采集指纹的设备(取像设备)分为光学传感器、 半导体传感器和其他几类。。
    

指纹识别技术的主要指标和测试方法

     算法性能指标对指纹识别系统来说尤为重要，我们引入了拒识率和误识率两个指标以便采用量化的方法表示其性能。
     1)拒识率
     拒识率(False Rejection Rate,FRR)是指将相同的指纹误认为是不同的，从而加以拒绝的出错概率。
     FRR=(拒识的指纹数目/考察的指纹总数目)×100%
     2)误识率
     误识率(False Accept Rate,FAR)是指将不同的指纹误认为是相同的，从而加以接受的出错概率。
     FAR=(错判的指纹数目/考察的指纹总数目)×100%通过设定不同的系统阈值，我们得出这两个指标成反比关系。简单来说，“把关”越严格，误识的可能性越低，但拒识的可能性也越高。
     我们通常采用循环测试方法来测试FRR和FAR这两个指标。作为测试样本的指纹图像应满足可登记的条件，给定一组图像并两两组合后进行比对，统计总的比对次数及发生错误的次数并计 算出错比例，这就是FRR和FAR。对于FAR=0.0001%的指标，应采用不少于1415幅不同的指纹图像做循环测试，总测试次数为1000405次，如果测试中发生一次错误比对成功，则FAR=1/1000405。 对于FRR=0.1%的指标，应采用不少于46幅属于同一指纹的图像组合配对进行测试，总提交测试的次数为1035次，如果发生一次错误拒绝，则FRR=1/1035。测试所采用的样本数越多，结果越准确。
     目前指纹识别技术已广泛应用于指纹门禁系统、指纹考勤系统、银行指纹储蓄系统、银行指纹保管箱、指纹医疗保险系统、计划生育指纹管理系统、幼儿接送指纹管理系统、指纹献血管理系统、 证券交易指纹系统、指纹枪械管理系统、智能建筑指纹门禁管理系统、驾驶员指纹管理系统等。其中指纹门禁系统和指纹考勤系统是开发和使用最早的一种出入管理系统，该系统包括对讲指纹 门禁、联机指纹门禁、脱机指纹门禁等，在入口处通过指纹采集器将采集到的指纹与指纹库中的指纹进行比对，如果匹配(相似度高),则比对成功，门自动打开，否则显示“不成功”或“没有 这个指纹”,门就打不开。在指纹门禁系统中，可以一对一或一对多进行比对，前者的应用场景如一个公司或部门内，后者的应用场景如家庭、营业厅、财务部门、仓库等场所。随着指纹识别 技术的广泛应用，指纹识别系统将逐渐取代或补充许多大量使用照片和ID的识别系统。
     目前看来，指纹识别技术较有前景的应用是与IC卡相结合。通过在IC卡的读卡器上加装指纹识别系统，在读取卡信息时一并读取持卡者指纹，通过比对就可确认持卡者是否是真正的卡主人，从 而进行下一步操作。指纹IC卡可取代现行的ATM卡、制造防伪证件等。。